摘要:10月24日,以“云启智链 数动未来”为主题的“2019数字化供应链峰会暨科箭用户大会”在上海盛大举行。
10月24日,以“云启智链 数动未来”为主题的“2019数字化供应链峰会暨科箭用户大会”在上海盛大举行,科箭从“云启互联——供应链为什么要上云”“数动未来——供应链数字化转型”等角度介绍了科箭助力企业供应链数字化转型的战略及其一体化的供应链云平台。共有300多位科箭用户、合作伙伴、行业专家等出席了本次盛会。
科箭与华中科技大学-运筹优化及人工智能实验室联合开办“AI联合实验室”,就AI算法在物流及供应链领域的应用共创开启战略合作。
大会还邀请了来自银杏谷资本、德勤、阿里巴巴战略部的数字化及新零售领域专家,来自科箭客户的万纬冷链、宜家、延锋安道拓的供应链与IT负责人,来自科箭合作伙伴斑马科技、语识信息的技术专家,为大家介绍行业最新发展趋势与动态,分享来自零售、制造与物流等行业在数字化转型中遇到的挑战及各自的实践经验。
“供应链管理对于企业运营效率、客户为本、合规性以及最终企业的成功都至关重要。”科箭总经理刘斌指出,如果管理得当,供应链能够改善客户服务以及您的品牌声誉,从而提高企业利润。但是,与许多业务领域一样,游戏规则正在发生变化。
所有这些正在挑战传统供应链模式的极限。要更好地服务于客户,科箭积极配合客户的数字化转型脚步,利用云计算、大数据、移动与社交、IoT等数字化新技术,构建了云端的供应链平台,全面链接供应链各角色,更好的协同,更灵活的扩展。
在去年发布的“三朵云”基础上,科箭隆重介绍了“第四片云”——AMS预约管理云的落地。
“如果运输和仓储没有有效联动,会造成仓库资源不足,厂区拥堵。”科箭预约管理云包括规划、预约、执行与优化四大模块,支持承运商或司机按照客户到货或提货要求提前预约仓库窗口时间及月台,使仓库能提前安排仓库及劳动力资源,进而有序地安排仓库的作业。如麦德龙的华东仓承载着全国55%的单量,日均处理10万多箱货。通过科箭的AMS云与WMS云联动,使每天1300多家供应商都能有序送货,即节省了承运商、司机的时间,也能更高效地利用现有仓库资源。
刘总在主题演讲中分享了科箭供应链云自2015年推出以来,在众多行业领先企业的应用以及为他们带来的价值,并将其概括为云平台端到端供应链的“六大价值”:
科箭的愿景是成为企业供应链数字化转型的赋能者。科箭产品总监王勇表示,通过新技术帮助企业做到内外部的连接只是第一步,连接后产生的大量供应链数据,如何发挥更大价值是科箭一直在探索的。此次会议上科箭还推出了一系列大数据应用产品。
Power SCCT供应链控制塔(Supply Chain Control Tower)
科箭供应链控制塔通过提供分析可视、事件管理、决策支持和业务优化的流程和工具整合,帮助企业应对供应链的挑战,减少和及时干预供应链执行中的不确定因素,并达到数字化供应链支撑下的新供应链目标。
Power TOS运输优化系统(Transportation Optimization System)
科箭TOS采用先进的优化算法,帮助企业合理规划运输任务,实现高效智能调度。科箭TOS基于业务的需求,综合考虑了订单量、司机车辆资源、收发货时间窗、装卸效率、在途时间等要素,通过高效的优化算法进行运输任务的编排,有效缩短了企业通过手工编制运输计划对经验、花费时间的严重依赖,同时避免了手工编制的资源利用率低等问题。科箭TOS主要应用于运输任务不确定的场景,如连锁零售、生鲜、医药等行业的城市配送、多点提送货、自由车队的计划编排、运输资源的优化评估等。
在这次会议上,科箭还发布了“AI联合实验室”。科箭与由秦虎教授领导的华中科技大学-运筹优化及人工智能实验室达成就AI算法在物流及供应链领域的应用共创的合作意向。该实验室主要研究物流管理、算法设计、运输系统管理、网络建模与优化、车辆路径优化、海运货物分配、装箱问题等方向,并在国内诸多知名企业中有实际案例应用。
在接下来的几个月中,由科箭与秦虎教授团队一起组成的”AI联合实验室“,将在车辆路径优化,装箱优化,库存及网络优化,需求预测优化等供应链场景中,研发并落地AI产品及服务,为客户提供更加智能的供应链产品及服务。
具备“两周一迭代,新功能随时享”“无须安装,快速实施上线”“按需按年付费,成本更低”“高可配置性,满足不同行业流程”四大优势的科箭供应链云平台,一直在不断完善自我、超越自我。未来,科箭将不断运用新技术,开拓新的供应链云平台增长极,持续为客户创造更大的价值,成为世界领先的供应链云服务商。
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。